运行观测
中心服务科研，自建设之初所有监控数据均开放访问；因硬件故障和系统变迁，早期数据已无法查看。
访问方式
- 地址：https://mon.nju.edu.cn/hpc
- 登录：使用集群用户名和密码登录，无动态口令。
- 权限：登录后为只读（可查看全部看板，不能修改或新建看板）
观测范围
- 作业调度系统：各队列的作业数（运行/排队/挂起），CPU 核数与 GPU 卡数的分配与使用率
- 并行文件系统：各文件系统的读写吞吐、IOPS 与元数据操作
- 计算节点：CPU、内存、磁盘、网络（Ethernet 与 InfiniBand）等
- GPU节点：利用率、显存、功耗、温度等
- 机房环境：各机房温度
公开访问
以下看板对外公开，无需登录即可访问：
公开页为只读展示，不支持筛选变量，时间范围默认最近 24 小时。
MCP
除网页查看外，集群内还提供监控数据 MCP 服务，支持 MCP 的 AI 客户端可直接只读查询监控数据，数据范围与网页端一致，不能修改任何配置。
http://mon:8000/mcp（仅集群内网可达，需在集群节点上使用）
认证：需要 Bearer Token hpc
客户端（JSON）：
{"mcpServers":{"grafana-hpc":{"type":"http","url":"http://mon:8000/mcp",
"headers":{"Authorization":"Bearer hpc"}}}}
首页
登录后默认进入首页 e-Science Center（https://mon.nju.edu.cn/hpc/d/home），展示集群整体状态：
- 卡片：在线节点、在线 CPU 核数、在线 GPU 卡数、运行中/排队中/挂起作业
- 曲线：作业调度系统 CPU 核数使用率与 GPU 卡数使用率；各文件系统读写吞吐、IOPS 与元数据操作
- 页面底部为全部看板的检索入口，并显示你收藏和最近查看的看板
看板一览
作业调度
- Job Scheduler：各队列作业数与 CPU 核数使用情况
文件系统
- Parallel File System exporter：各并行文件系统读写吞吐、IOPS、元数据操作
计算节点
- Node Exporter Full v2：单节点最全指标（CPU/内存/硬盘/网络/IB）
- Node Exporter Server Metrics v2：多节点汇总视图
- Node Exporter Server Simple Metrics v2：多节点简化视图（CPU/内存/网络）
GPU / CPU
- NVIDIA DCGM Exporter：GPU 利用率、显存、功耗、温度
- Processor Counter Monitor (PCM) Dashboard：CPU 微架构级指标（内存带宽、缓存等）
网络
- Infiniband：InfiniBand 端口收发与错误
- InfiniBand Exporter Overview：IB 总体状态与错误统计
- InfiniBand Exporter Detailed：IB 单节点详细指标
- Network device：以太网交换机与端口
机房与监控系统
- Infrastructure：机房温度
使用提示
- 看板顶部通常有筛选变量。
- 右上角可调整时间范围与自动刷新间隔。
- 常用看板可点击标题旁的星标收藏。
数据期限
- 观测数据在采用容量上限滚动保留，超出后自动淘汰最旧数据。
- 其中作业调度、机房环境历史指标长期保存。